MétaCan
Menu
← Retour à la cohorte
Enregistrement W7099434224

Canadian Aerosol Module: A size-segregated simulation of

2003· article· en· W7099434224 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerosolAtmosphere (unit)Sea saltSulfate aerosolAir quality indexSulfateMass concentration (chemistry)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

[1] A size-segregated multicomponent aerosol algorithm, the Canadian Aerosol Module (CAM), was developed for use with climate and air quality models. It includes major aerosol processes in the atmosphere: generation, hygroscopic growth, coagulation, nucleation, condensation, dry deposition/sedimentation, below-cloud scavenging, aerosol activation, a cloud module with explicit microphysical processes to treat aerosol-cloud interactions and chemical transformation of sulphur species in clear air and in clouds. The numerical solution was optimized to efficiently solve the complicated size-segregated multicomponent aerosol system and make it feasible to be included in global and regional models. An internal mixture is assumed for all types of aerosols except for soil dust and black carbon which are assumed to be externally mixed close to sources. To test the algorithm, emissions to the atmosphere of anthropogenic and natural aerosols are simulated for two aerosol types: sea salt and sulphate. A comparison was made of two numerical solutions of the aerosol algorithm: process splitting and ordinary differential equation (ODE) solver. It was found that the process-splitting method used for this model is within 15 % of the more accurate ODE solution for the total sulphate mass concentration and <1%

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,711

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,201
Écart entre enseignants0,167 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Scientific and Economic Studies→Travaux en français237 207→